帶否定關(guān)聯(lián)規(guī)則挖掘算法的研究.pdf

1、數(shù)據(jù)挖掘作為數(shù)據(jù)庫研究領(lǐng)域中的熱點(diǎn),正受到越來越多的關(guān)注.它被定義為在數(shù)據(jù)中尋找正確的、有趣的、潛在有用的并最終可以理解的模式.基于關(guān)聯(lián)規(guī)則的挖掘是其中一個(gè)重要的研究方法,具有重要的理論價(jià)值和廣泛的應(yīng)用前景.關(guān)聯(lián)規(guī)則中最有名和最有影響力的算法是Apriori算法,Apriori對布爾型數(shù)據(jù)庫的標(biāo)準(zhǔn)關(guān)聯(lián)規(guī)則的挖掘有很高的效率.在很多領(lǐng)域中,只挖掘出標(biāo)準(zhǔn)關(guān)聯(lián)規(guī)則是不夠的,需要對數(shù)據(jù)項(xiàng)的否定項(xiàng)進(jìn)行挖掘.帶否定項(xiàng)的關(guān)聯(lián)規(guī)則是指允許在關(guān)聯(lián)規(guī)則中出

2、現(xiàn)負(fù)項(xiàng)目,對關(guān)聯(lián)規(guī)則的形式做出了擴(kuò)展,從而提高了關(guān)聯(lián)規(guī)則的描述能力.Apriori算法在挖掘帶否定項(xiàng)的關(guān)聯(lián)規(guī)則時(shí)顯得非常笨拙和低效,不擅長處理相關(guān)性高的數(shù)據(jù),CA算法對稠密型數(shù)據(jù)庫有很好的效率,但是挖掘出來的規(guī)則會很多,并且很多規(guī)則可能是無趣的.針對這種不足,INA算法在支持度-置信度的模式上增加了一個(gè)新的評估參數(shù)-興趣度.通過引入興趣度,有效的改善了CA算法中的候選集膨脹現(xiàn)象,刪除了一些被挖掘出來而沒有興趣的關(guān)聯(lián)規(guī)則.這種算法能夠有效